Die KI-Qualifikationslücke bezeichnet die Diskrepanz zwischen den KI-Funktionen, die Unternehmen benötigen, und den Funktionen, über die die Mitarbeiter aktuell verfügen. Sie wächst, da generative KI, KI-Agenten und Automatisierung die Art und Weise verändern, wie Arbeit erledigt wird.
Die Kompetenzlücke umfasst technische Expertise wie maschinelles Lernen (ML), Softwareentwicklung, Data Science, Verarbeitung natürlicher Sprache, Prompt Engineering und Model Governance. Dazu gehören auch umfassendere Funktionen am Arbeitsplatz, wie KI-Kompetenz, Change Management, strategische Führung und die Fähigkeit, effektiv mit generativer KI und KI-Agenten zu arbeiten.
Erhalten Sie kuratierte Einblicke in die wichtigsten – und faszinierendsten – KI-Neuheiten. Abonnieren Sie unseren wöchentlichen Think-Newsletter. Weitere Informationen in der IBM Datenschutzerklärung.
Die KI betrifft nicht mehr nur spezialisierte technische Teams, sondern auch alltägliche Workflows im Geschäftsablauf. Generative KI, große Sprachmodelle (LLMs) und beliebte KI-Assistenten (z. B. ChatGPT) haben auch allgemeine Benutzer auf die künstliche Intelligenz aufmerksam gemacht. Gleichzeitig werden die KI-Systeme von Unternehmen immer leistungsfähiger: KI-Agenten können mehrstufige Aufgaben erledigen, sich mit Anwendungen verbinden und Entscheidungsfindungen abteilungsübergreifend unterstützen.
Dieser Bedarf an KI im gesamten Unternehmen bedeutet, dass die KI-Kompetenzlücke im Alltag sichtbar wird. Ein Mitarbeiter wird beispielsweise gebeten, einen generative KI-Assistenten zu verwenden, ist sich aber nicht sicher, welche Unternehmensdaten eingegeben werden können. Ein Manager ist sich bewusst, dass die KI die Produktivität verbessern kann, versteht aber nicht, welche Workflows für die Automatisierung geeignet sind. Ein Softwareentwickler beginnt mit der Verwendung eines AI Coding Tools, muss aber dennoch den generierten Code auf Sicherheit, Genauigkeit und Wartbarkeit überprüfen. Ein Unternehmensleiter genehmigt eine KI-Initiative, hat aber keine verlässliche Methode, um den geschäftlichen Nutzen zu messen.
Daraus resultiert eine breiter gefasste Definition der Bereitschaft der Belegschaft. Unternehmen benötigen immer noch Data Scientists, Techniker für maschinelles Lernen und Softwareentwickler, die KI-Systeme erstellen und bereitstellen. Zudem sind für alle Funktionen Mitarbeiter erforderlich, die KI-Tools verantwortungsbewusst einsetzen, Ausgaben bewerten, Risiken verstehen und sich an veränderte Arbeitsabläufe anpassen.
Laut einer Forschungsarbeit des IBM Institute for Business Value nutzen nur 25 % der Arbeitnehmer regelmäßig die KI als Teil ihrer Arbeit, obwohl 86 % der CEOs glauben, dass ihre Mitarbeiter über die entsprechenden Fähigkeiten verfügen. Die gleiche Arbeit ergab, dass 83 % der CEOs glauben, dass der Erfolg von KI mehr von der Akzeptanz der Menschen als von der Technologie selbst abhängt.
Es besteht eine Lücke bei den KI-Fachkräften, weil sich die KI-Funktionen, die Erwartungen der Unternehmen und die Jobanforderungen gleichzeitig verändern.
Viele Unternehmen finden gerade erst heraus, wie künstliche Intelligenz im Arbeitsalltag eingesetzt werden sollte. Einige Teams nutzen generative KI für Entwürfe, Zusammenfassungen, Kundensupport oder Softwareentwicklung. Einige Teams experimentieren mit KI-Agenten, die Aufgaben systemübergreifend ausführen. Andere Teams entwickeln Modelle für maschinelles Lernen, nutzen vorausschauende Analysen oder automatisieren Workflows.
Diese Veränderungen führen zu mehreren sich überschneidenden Kompetenzlücken:
Der Future of Jobs Report 2025 des Weltwirtschaftsforums ergab, dass Arbeitgeber erwarten, dass sich bis 2030 39 % der Kernkompetenzen der Arbeitnehmer verändern werden. Der Bericht ergab außerdem, dass 50 % der Belegschaft im Rahmen langfristiger Lernstrategien Schulungen absolviert haben, gegenüber 41 % im Jahr 2023.
Die CEO-Studie von IBM aus dem Jahr 2026 weist ebenfalls auf einen Personalwandel hin. Befragte CEOs gehen davon aus, dass 53 % der Mitarbeiter zwischen 2026 und 2028 Weiterbildungen benötigen, um ihre aktuellen Aufgaben effektiver zu erfüllen, während 29 % sich für andere Aufgaben Schulungen unterziehen müssen.
Die Auswirkungen der KI auf die Qualifikationen der Belegschaft lassen sich in mehrere Bereiche unterteilen.
Viele Mitarbeiter begegnen der KI mittlerweile in Tools, die sie bereits nutzen, wie Produktivitätssoftware, Kundenserviceplattformen, Analysetools, HR-Systemen und Softwareentwicklungsumgebungen. Möglicherweise müssen sie lernen, wie sie präzisere Prompts verfassen, Modelle mit Kontext anreichern oder entscheiden, ob eine KI-generierte Antwort zuverlässig ist. Diese Aufgaben erfordern KI-Kompetenz und kritische Bewertung, nicht unbedingt fortgeschrittene Codierungsfähigkeiten.
Auch in technischen Teams verändert sich die Arbeitsweise. Software-Entwicklerteams können generative KI-Codierungsassistenten (wie IBM® Bob) verwenden, um Code zu generieren, Funktionen zu dokumentieren, Altlast-Code zu erklären und Einheitstests zu erstellen.
Fachkenntnisse in der Softwareentwicklung sind weiterhin unerlässlich, insbesondere um größere Teams bei der Überprüfung, dem Testen, der Sicherung und der Wartung des generierten Codes zu unterstützen.
KI-Systeme können große Datenmengen analysieren, Muster erkennen und Maßnahmen empfehlen. In einigen Fällen unterstützt die KI Entscheidungen, die früher manuell zu zeitaufwändig waren. Hier entstehen jedoch neue Risiken, wenn die Empfehlung nicht erklärbar oder angemessen ist.
Dies erhöht die Bedeutung von Governance, Ethik und Rechenschaftspflicht. Die Mitarbeiter müssen ein Verständnis dafür entwickeln, wann die KI als Grundlage für eine Entscheidung dient, wann sie nicht eingesetzt werden sollte und wann Überprüfungen erforderlich sind.
Die Einführung von KI liegt nicht mehr allein in der Verantwortung der technischen Teams. Führungskräfte in den Bereichen Personalwesen, Finanzen, Betrieb, Marketing, Recht, Risikomanagement und Customer Experience benötigen zunehmend ausreichende KI-Kompetenz, um zu verstehen, wie sich die Technologie auf ihren jeweiligen Bereich auswirkt.
„Die CEOs, die echte Ergebnisse der KI-Transformation erzielen, stellen KI nicht nur schneller bereit, sie gestalten ihre Unternehmen neu, um die besten Leute mit der besten Technologie zu kombinieren“, sagt Mohamad Ali, Senior Vice President von IBM Consulting.
Die für KI benötigten Kompetenzen variieren je nach Rolle, Branche und Verantwortungsniveau. Im Allgemeinen lassen sie sich in mehrere Kategorien einteilen.
KI-Kompetenz ist die Fähigkeit, Systeme der künstlichen Intelligenz zu verstehen, anzuwenden und zu bewerten. Dazu gehören auch Kenntnisse darüber, was die KI kann, wo ihre Grenzen liegen und wie man sie verantwortungsbewusst einsetzt.
Prompt Engineering ist die Praxis, KI-Systemen klare und nützliche Anweisungen zu geben. Für die meisten Mitarbeiter bedeutet das, zu lernen, wie man eine Aufgabe formuliert, Kontext liefert, das gewünschte Format angibt und Folgefragen stellt. Für fortgeschrittene Anwender kann Prompt Engineering das Entwerfen wiederverwendbarer Prompts, das Erstellen von Prompt-Bibliotheken und das Kombinieren von Prompts mit genehmigten Datenquellen umfassen.
Kritische Bewertung ist die Fähigkeit zu beurteilen, ob eine KI-Ausgabe genau, relevant, vollständig und angemessen ist. Mitarbeiter benötigen Kenntnisse, wie sie Quellen überprüfen, Verzerrung erkennen und entscheiden können, ob ein Experte die Ergebnisse überprüfen sollte.
KI-Governance und Ethik helfen Unternehmen dabei, die KI verantwortungsvoll einzusetzen. Zu diesen Kompetenzen gehören Kenntnisse über Datenschutz, Verzerrung, Fairness, Transparenz, Erklärbarkeit, Prüfbarkeit, regulatorische Anforderungen und menschliche Aufsicht. Toolkits wie IBM watsonx.governance unterstützen Unternehmen dabei, einen verantwortungsvollen Umgang mit der KI zu etablieren.
Manche Rollen erfordern tiefgründigere technische Kenntnisse. Diese Kompetenzen sind besonders für Data Scientist, KI- und ML-Techniker, Softwareentwickler, MLOps-Spezialisten und Cybersicherheitsexperten unverzichtbar.
Zu den gefragten KI-Kompetenzen gehören:
Strategische Führung ist die Fähigkeit, KI-Initiativen mit Geschäftszielen zu verbinden. Dazu gehört auch die Entscheidung, welche Aufgaben automatisiert, erweitert und weiterhin von Menschen geleitet werden sollten. Damit verbunden sind die Finanzierung des richtigen Weiterbildungsprogramms, die Unterstützung der Karriereentwicklung und der Aufbau einer zukunftsfähigen Belegschaft.
KI-Agenten sind künstliche Intelligenzsysteme, die Aufgaben mit einem gewissen Maß an Autonomie ausführen können. Im Gegensatz zu einfachen Chatbots können KI-Agenten Schritte planen, Tools nutzen, mit Softwaresystemen interagieren und vieles mehr. Dies wirkt sich auf die KI-Kompetenzlücke aus, da Mitarbeiter möglicherweise nicht mehr ausschließlich KI-Systeme um Informationen bitten. Sie können auch KI-Systeme überwachen, die Maßnahmen initiieren.
In der Praxis führt dies zu neuen Kompetenzanforderungen. Mitarbeiter müssen möglicherweise verstehen, wie man:
Einige Beispiele:
Diese Beispiele zeigen, warum die agentische KI die Diskussion über Kompetenzen ausweitet. Die Frage ist nicht nur, ob Mitarbeiter die KI nutzen können. Es geht auch darum, ob sie in Systemen arbeiten können, in denen sich Menschen und KI-Agenten die Verantwortung für Teile eines Workflows teilen.
Die Überbrückung der KI-Kompetenzlücke umfasst in der Regel mehrere wichtige Schritte:
KI-Bereitschaft beschreibt das Ausmaß, in dem ein Unternehmen über die Mitarbeiter, Prozesse, Daten, Data Governance und Technologie verfügt, die für den effektiven Einsatz von KI erforderlich sind.
Eine KI-Bereitschaftsbewertung kann Folgendes untersuchen:
Dies hilft Unternehmen, generische Schulungen zu vermeiden, die nicht ihren tatsächlichen Bedürfnissen entsprechen.
Um KI-Kompetenz aufzubauen, können Unternehmen mit einer umfassenden Schulung zu KI-Grundlagen, generativer KI, LLMs, Automatisierung und KI-Agenten beginnen. Diese Programme schaffen eine gemeinsame Grundlage für den sicheren und effektiven Einsatz von KI-Tools.
Verschiedene Rollen erfordern ein unterschiedliches Niveau der Kompetenzentwicklung. Ein Kundenservice-Team benötigt möglicherweise Schulungen zu KI-gestützten Support-Workflows. Ein Softwareentwicklungsteam hingegen braucht Schulungen zu generativer KI, sicherer Codeüberprüfung und Automatisierung. Rollenspezifische Lernpfade können die Weiterbildung praxisnäher und relevanter gestalten.
Mitarbeiter bauen eher dauerhafte KI-Kenntnisse auf, wenn Schulungen mit ihrer eigentlichen Arbeit zu tun haben. Dies kann Sandbox-Umgebungen, angeleitete Übungen, Peer-Workshops, Sprechstunden, interne Communities of Practice und praktische Projekte umfassen.
Manche Mitarbeiter benötigen eine Umschulung, nicht nur eine Weiterbildung. Umschulungen bereiten Arbeitnehmer auf andere Aufgaben vor, wenn Aufgaben automatisiert, neu organisiert oder durch die KI erweitert werden. Eine solche Schulung kann Mitarbeitern beim Übergang in neue Rollen helfen.
Manager und Bereichsleiter helfen den Mitarbeitern, die Erwartungen an den Einsatz der KI zu verstehen. Sie können dabei helfen, sinnvolle Workflows ausfindig zu machen, Zeit zum Lernen zu schaffen und zu bewerten, wie KI-gestützte Arbeit gemessen werden sollte. Sie benötigen auch eine ausreichende KI-Kompetenz, um Entscheidungen über Strategie, Risiko, Personal und Investitionen zu treffen.
Unternehmen sollten die Entwicklung von KI-Kompetenzen an ihren Zielen ausrichten. Umfassende KI-Kompetenzprogramme können interne Akademien, Zertifizierungen und geführte Lernpfade beinhalten. Technische Teams benötigen möglicherweise Plattformen für Modellentwicklung, Bereitstellung, Überwachung und Governance. Teams, die KI-Agenten einsetzen, brauchen wiederum Orchestrierungs-Tools, um Workflows, Genehmigungen und Leistung zu verwalten. Softwareteams können von AI Coding Assistenten profitieren. Die nützlichsten Tools orientieren sich an klaren Anwendungsfällen, den Bedürfnissen der Belegschaft und verantwortungsvollen KI-Praktiken.
Unternehmen könnten gegebenenfalls auch Low-Code- und No-Code-Tools in Betracht ziehen. Low-Code- und No-Code-Plattformen können KI-Tools für Mitarbeiter ohne umfassende Programmiererfahrung zugänglicher machen. Diese Plattformen ermöglichen es Geschäftsanwendern, Anwendungen zu erstellen, Workflows zu automatisieren oder KI-Agenten über visuelle Schnittstellen und vorgefertigte Komponenten zu konfigurieren. Sie ersetzen nicht das technische Fachwissen, Governance oder Aufsicht, aber sie können mehr Mitarbeitern helfen, sich an der KI-Integration zu beteiligen, während sich technische Teams auf komplexe Entwicklungs- und Integrationsarbeiten konzentrieren.
Unternehmen können die Entwicklung von KI-Fähigkeiten sowohl anhand von Lern- als auch von Geschäftsmetriken messen. Zu den Metriken gehört beispielsweise der Abschluss von Kursen oder Zertifizierungen. Metriken umfassen unter anderem Produktivität, Qualität, Kundenzufriedenheit oder Fehlerreduzierung.
Die Kompetenzlücke im Bereich KI wird vermutlich größer werden, da KI-Systeme immer leistungsfähiger sind und stärker in die Arbeit integriert werden. Kompetenzen, die heute wertvoll sind, müssen möglicherweise aktualisiert werden, wenn sich Tools, Vorschriften, Workflows und Geschäftserwartungen ändern.
Daher sind kontinuierliche Schulungsprogramme ein wichtiger Bestandteil der Vorbereitung der Belegschaft. Unternehmen müssen möglicherweise regelmäßig Schulungsmaterialien aktualisieren, Governance-Richtlinien überprüfen, den Qualifikationsbedarf neu bewerten und Karriereentwicklungspfade überarbeiten. Die Mitarbeiter benötigen fortlaufende Möglichkeiten, mit neuen Tools zu üben, Fragen zu stellen und im Laufe der Zeit Selbstvertrauen zu entwickeln.
Strategien zur Schließung der KI-Kompetenzlücke erfordern mehr als die Einstellung technischer Fachkräfte. Unternehmen benötigen KI-Kompetenz, rollenbasierte Schulungen, verantwortungsvolle KI-Praktiken und kontinuierliche Weiterbildungsmöglichkeiten für die Belegschaft. Außerdem müssen sie diese Fähigkeiten effektiv mit den allgemeinen Geschäftszielen verbinden.
Trainieren, validieren, optimieren und implementieren Sie generative KI, Foundation Models und maschinelle Lernfunktionen mit IBM watsonx.ai, einem Studio der nächsten Generation für AI Builder in Unternehmen. Erstellen Sie KI-Anwendungen mit einem Bruchteil der Zeit und Daten.
Setzen Sie KI in Ihrem Unternehmen ein – mit branchenführendem Fachwissen im Bereich KI und dem Lösungsportfolio von IBM an Ihrer Seite.
Erfinden Sie kritische Workflows und Abläufe neu, indem Sie KI einsetzen, um Erfahrungen, Entscheidungsfindung in Echtzeit und den geschäftlichen Nutzen zu maximieren.